[发明专利]一种基于快速密度峰值聚类的电子元器件聚类方法

说明书

一种基于快速密度峰值聚类的电子元器件聚类方法，涉及电子元器件聚类技术领域，方法包括步骤：输入电子元器件的测试参量值，进行归一化；对每一个样本进行近邻查询构建k近邻矩阵和k近邻距离矩阵；取每一个样本与其k个近邻的距离均值的倒数作为其局部密度；根据当前样本的局部密度与其所有k近邻的局部密度，区分为核心点与非核心点；确定相对距离；根据核心点的局部密度和相对距离，形成二维决策图，从决策图中选择作为中心点；分配核心点和样本点，整合所有样本点所在的类簇，形成最终的聚类结果，对每一个类簇中的中心点对应的测试参量值进行标注，则该类簇中其余样本点所对应的测试参量值可以根据中心点的标注结果进行自动标注。

技术领域

本发明涉及电子元器件聚类，尤其涉及一种基于快速密度峰值聚类的电子元器件聚类方法。

背景技术

目前电子信息技术中使用的元器件的使用数量呈现不断增长的趋势，进行手工的元器件质量分类是一项繁琐而且效率低下的工作。聚类是一种无监督学习方法，其可以不需要先验知识，通过目标间的相似度来判断它们是不是属于同一类别，从而实现对电子元器件的质量情况进行标注。但是同一批次购买的元器件数量巨大，更需要一种自动化方法对电子元器件的质量情况进行标注。

发明内容

针对上述相关现有技术不足，本发明提供一种基于快速密度峰值聚类的电子元器件聚类方法，对电子元器件的质量数据进行特征提取和转化，利用DPC算法可以聚类任意类型数据且可以取得优秀聚类效果的特点，完成对电子元器件的类别标注，且采用k近邻的思想和定义核心点，减少DPC中密度和相对距离以及非中心点分配中的一些不必要的计算，加快DPC聚类速度。

为了实现本发明的目的，拟采用以下方案：

一种基于快速密度峰值聚类的电子元器件聚类方法，应用于对电子元器件的质量情况进行聚类，包括步骤：

对输入的多个电子元器件的测试参量值进行特征提取，整理转换形成标准信息表，并对表中每一个测试参量值进行归一化处理，获得样本集；测试参量值包括介电常数、损耗角正切、品质因子Qf值、温度系数中至少一种；

通过KD-Tree对每一个样本进行近邻查询以构建k近邻矩阵和k近邻距离矩阵；

在k近邻距离矩阵上，取每一个样本与其k个近邻的距离均值的倒数作为其局部密度；

在k近邻矩阵上，判断当前样本的局部密度是否高于其所有k近邻的局部密度，若高于，则当前样本为核心点，否则，当前样本为非核心点；

计算相对距离：

对于非核心点，在k近邻矩阵上遍历出当前非核心点k近邻中局部密度大于当前非核心点的点，并均作为第一参考点，并在k近邻距离矩阵上取当前非核心点与所有第一参考点的距离中的最小距离作为当前非核心点的相对距离；

对于核心点，遍历所有局部密度比当前核心点大的其他核心点，并均作为第二参考点，计算当前核心点与所有第二参考点的欧式距离中的最小距离作为半径，通过KD-Tree查询出所述半径内局部密度大于当前核心点的非核心点，并均作为第三参考点，计算当前核心点与所有第三参考点的欧式距离中的最小距离为当前核心点的相对距离；

根据核心点的局部密度和相对距离，形成一个二维决策图，从决策图中选择局部密度大于预设密度值且相对距离大于预设距离的样本作为中心点；

将核心点分配到与其距离最近的中心点同一类簇，核心点的k个近邻被分配到与核心点同一类簇，将非核心点分配到与当前非核心点的相对距离对应的第一参考点同一类簇；

整合所有样本点所在的类簇，形成最终的聚类结果，对每一个类簇中的中心点对应的测试参量值进行标注，则该类簇中其余样本点所对应的测试参量值可以根据中心点的标注结果进行自动标注。